---
title: "梯度加權類激活圖（Grad-CAM）"
slug: grad-cam
language: zh-TW
source: https://aiterms.tw/terms/grad-cam
updated_at: 2026-04-29
tags: [深度學習, 電腦視覺, 模型評估, 神經網路, AI基礎]
ipas_term: false
---

# 梯度加權類激活圖（Grad-CAM）

> **你有沒有看過 AI 判斷一張圖後，特別想知道它到底在看哪裡？**
>
> 你可以把 Grad-CAM 想成把模型注意的區域畫成熱圖。
> 它讓你看到哪些像素區域對分類結果影響最大，方便檢查模型是不是看對地方。
>
> 你可以把它想成一個把抽象概念拉回日常判斷的提示，先知道它解決什麼問題，再看技術細節。

### 容易混淆

> **Grad-CAM vs CAM**
> CAM 要改模型結構
> Grad-CAM 通常可以直接套用在現有模型上
> 最關鍵的區別是要不要改架構
>
> **Grad-CAM vs 顯著性地圖**
> 顯著性地圖偏向看輸入對輸出的敏感程度
> Grad-CAM 會結合梯度和最後卷積層資訊
> 最關鍵的區別是看敏感點，還是看類別相關區域
>
### 記住這句就好

> 看熱圖，不是看模型心情。

### 實際案例

> **醫療影像檢查**
> 醫師用 Grad-CAM 檢查模型是不是把肺炎判斷建立在真正病灶上，而不是片子邊角的標記。
>
> **產品照片辨識**
> 如果模型老是把品牌 logo 當成主體，Grad-CAM 就能讓你發現它偏看的位置，方便回頭修資料。
>
### 算法與應用

> Grad-CAM 主要是從目標類別的梯度，回推到最後一層卷積特徵圖。
> 它提供的是粗粒度解釋，能幫忙除錯，但不代表模型真的只看那一塊。

### 情境判斷

> **Q1：** 熱圖亮在背景上，這代表模型就一定錯了嗎？
> → 不一定，要看背景是否和類別本來就有關，像場景分類時背景也可能是訊號。
>
> **Q2：** 你要確認模型是不是偷看水印，應該用什麼工具？
> → 可以先用 Grad-CAM 看它是否把注意力放在水印或角落標記上。
>
### 常見問題

> **Q：Grad-CAM 只能用在圖像模型嗎？**
> 它最常用在卷積式視覺模型上，但概念也能延伸到其他結構。
>
> **Q：熱圖越亮就代表越重要嗎？**
> 大致上是，但還要搭配類別和上下文一起看。
>
> **Q：Grad-CAM 能完全解釋模型嗎？**
> 不能，它只是局部可視化工具，不是完整因果證明。
>
### 相關術語

> - **可解釋人工智慧**：Grad-CAM 是 XAI 的常見工具之一
> - **顯著性地圖**：先讀這個，會更懂熱圖在看什麼
> - **注意力機制**：兩者都在談「模型關注哪裡」，但方法不同
> - **卷積神經網路**：Grad-CAM 最常對應的模型類型
> - **電腦視覺**：理解應用場景，才知道為什麼要做可視化

---

來源：https://aiterms.tw/terms/grad-cam
快查頁：https://aiterms.tw/terms/grad-cam
最後更新：2026/04/29
深度解說：https://aiterms.tw/learning/what-is-grad-cam